ドイツ・クラウスタール＝ツェラーフェルトで開催されたDECHEMAおよびVDI専門部会の合同年次会議において、Walter Schäferがポスター「Optical Measurement Method for Monitoring Slurry Sprays」を発表しました。会議は2025年3月25日から27日まで、クラウスタール工科大学で開催されました。このポスター発表は、粒子計測技術プログラムの一環として行われました。

https://www.fg2025.tu-clausthal.de/

なぜスラリースプレーのモニタリングが重要なのか？

スラリーは、液体中に固体粒子が懸濁したものです。その粒子濃度や粒子径分布は、微粒化、液滴形成、伝熱、化学反応、そして産業プロセスの安定性に大きく影響します。

これらの特性は、リサイクル、噴霧乾燥、エネルギー変換、コーティング、その他不均一な原料を扱うプロセスにおいて特に重要です。しかし、従来のラボ分析ではサンプリングが必要な場合が多く、稼働中のプロセス内部の変化について即座に情報を得ることはできません。

そのため、光学式のスラリースプレーモニタリングシステムは、微粒化の最中に組成の変化を直接検出するのに役立ちます。これにより、より迅速なプロセス調整、原材料のより効率的な利用、そしてより持続可能な産業プロセスの開発が可能になります。

個々の懸濁液滴の光学分析

提案された測定手法は、個々の懸濁液滴によって散乱された光を分析します。各液滴は楕円ガウシアンレーザービームを通過し、時間分解された光散乱シグネチャーを生成します。

光学検出器がこれらの信号を記録します。信号の形状と検出されたピークの順序には、液滴の光学的特性に関する情報が含まれています。その結果、システムは半透明の懸濁液滴と不透明の懸濁液滴を区別することができます。

この手法では、TSTOFと略されるTime-Shift-Time-of-Flight法を用いています。この測定原理により、スプレー中の個々の液滴を時間分解で検出・分析することができます。

さまざまなスラリー組成の実験的検討

実験では、一定の運転条件下でガスアシスト式同軸ノズルを使用しました。これにより研究者は、懸濁液の変化が記録された光散乱信号にどのような影響を与えるかを調べることができました。

検討した懸濁液は、3種類の固形分濃度を含んでいました。

さらに、実験では3種類の代表的な粒子径を対象としました。

ポスターに掲載された顕微鏡画像は、検討した懸濁液の間に明確な違いがあることを示しています。特に高濃度の懸濁液は、より多くの光を吸収・散乱するため、暗く見えます。

相対液滴レートとザウター平均径

評価では、2つの重要なパラメータに着目しました。

相対液滴レート Nrel：
このパラメータは、スプレー中で検出された半透明液滴の相対的な割合を表します。

ザウター平均径 SMD：
SMDは、検出可能な半透明液滴群の液滴径分布を特徴づけます。

実験結果から、これらのパラメータと懸濁液の特性との間に強い関係があることが示されました。固形分濃度が高くなると、半透明液滴の割合が減少しました。また、懸濁粒子が小さいほど光吸収が増加し、液滴の透明度が低下しました。

したがって、相対液滴レートとSMDは、検討した範囲内において粒子濃度と粒子径の両方の変化に関する情報を提供することができます。

光学式スラリースプレー測定の結果

測定により、懸濁液滴の光学的特性がスラリー組成に応じて系統的に変化することが実証されました。

固形分濃度が増加するにつれて、半透明の光散乱シグネチャーを生じる液滴は少なくなりました。同時に、半透明液滴群の測定可能なSMDも変化しました。

実験ではまた、粒子径が光学応答に影響することも示されました。小さな粒子を含む懸濁液はより多くの光を吸収し、その結果、半透明液滴の割合が低くなりました。

これらの結果は、光学式スラリースプレーモニタリングシステムが、すべてのサンプルを個別に採取・分析することなく、不均一な液滴組成の変化を検出できることを示しています。

簡略化したTSTOF測定構成

実験結果に基づき、ポスターでは1つの光源と2つの検出器から成る簡略化した光学測定器を提案しています。

この構成により、必要な光学部品および電子部品が削減されます。また、評価を光散乱信号内の特徴的なピークの相対位置に絞ることができるため、信号処理も簡素化されます。

このようなコンパクトなシステムは、次のもののモニタリングに役立つ可能性があります。

したがって、この簡略化した構成は、連続的な産業計測とリアルタイムのプロセスモニタリングのための実用的な基盤となり得ます。

機械学習による液滴分類

機械学習の手法により、評価をさらに改善できる可能性があります。物理的特性を一つずつ計算する代わりに、学習済みモデルが光散乱信号の形状全体を分析することができます。

例えばモデルは、液滴を半透明または不透明に分類することができます。このアプローチにより、光源1つと光学検出器1つだけの、さらにシンプルな構成が可能になるかもしれません。

さらに、AIを活用した信号解析により、信号形状、粒子濃度、粒子径、液滴組成の間の複雑な関係を明らかにできる可能性があります。ただし、各産業用途には適切な学習データと検証データが必要です。

産業プロセスモニタリングへの可能性

今回紹介した測定手法は、不均一なスプレーを連続的にモニタリングするための有望なアプローチです。

主な利点は次のとおりです。

今後の研究では、他の懸濁材料、より広い濃度範囲、産業運転条件、顧客ごとのキャリブレーションモデルなどに取り組むことが考えられます。

DECHEMA 2025 Slurry Spray Monitoringダウンロード